データセットを縦結合する際、変数名が同じでlengthが異なってたら、最大のlengthに合わせる便利技

長いタイトルですが、SQLのいいとこ取りした便利技の紹介です。


Sample Data

data DT1; length  A $2.  B $1.; input A$ B$ ; cards; 01 a 02 b 02 b ; run; data DT2; length  A $1.  B $2.; input A$ B$; cards; 3 cc 4 dd ; run; DT1 A   B    01     a       02      b     02    b   DT2  A   B    3      cc       4   dd

サンプルデータをまずSETで結合してみます。

data OUT1;    set DT1 DT2; run; ログ WARNING: 入力データセットによって、変数Bに複数の長さが指定されました。データの切り捨てが発生します。 A   B    01     a      02      b     02    b     3    c     4    d

結果を見ると、変数Bの値が、一部文字切れしちゃってますね。


これは、
「set DT1 DT2」 で最初に指定したデータセットDT1にある変数のlengthが、結合後のデータセットに割り当てられるからです。


つまり、変数Bのlengthが、DT1は「$1」、DT2は「$2」と異なっていますが、
上記青字の性質によって、結合時に「$1」が割り当てられます。

なので、DT2から持ってきた変数Bは、length「$1」に合わせて文字を切ってしまいます。

解決法

---

正攻法として、SETする時にlengthを設定しなおせばokですが、、、

data OUT2;    length A B $3.;    set DT1 DT2; run;

「SQLプロシジャ入門14：データセットを縦結合する【UNION】」で紹介した「OUTER UNION CORR」を使えば、
なんと結合するデータセットの中で最大のlengthを勝手に設定してくれます。

proc sql;    create table OUT3 as    select * from DT1       outer union corr    select * from DT2; quit; A   B    01     a      02      b     02    b     3    cc     4    dd

ただし、SETステートメントと異なる動きあり。

---

まず、以下のプログラムと結果を見てみましょう。

*** Sample Data ; data DT1;    A = .; run; data DT2;    format A yymmdd10. ;    A = '01jan2015'd ; run; DT1       A                  .   DT2  A    2015-01-01  *** SETステートメントによる結合 ; data OUT1;    set DT1 DT2; run;  A            .   2015-01-01  *** 「OUTER UNION CORR」による結合 ; proc sql;    create table OUT2 as    select * from DT1       outer union corr    select * from DT2; quit;        A                    .       20089

2つの結合結果を比較してみると、2行目の値が異なってますね。

これは「SETステートメント」の方は、format 「yymmdd10」 が割り当てられていて、

「OUTER UNION CORR」の方は、formatが割り当てられてないというだけで、
値自体は同じものです。


リファレンスから探せなくて確かではないですが、結合したデータセットの format, informat は、

• 「SETステートメント」： 最初のデータセットDT1にformat, informatが割り当てられてなければ、次のデータセットDT2のformat, informatを割り当てている模様。
• 「OUTER UNION CORR」： 最初のデータセットDT1のものを割り当てている模様。

他にも差異があるかもしれません。

利用する際はいろいろテストしたり、期待通りの結果になるかご確認ください。


この違いを気にしないシチュエーションであれば、超便利なテクニックですね。